Insulinresistens – när kroppen inte reagerar korrekt på insulin, ett hormon som hjälper till att kontrollera blodsockernivån – är en av de grundläggande orsakerna till diabetes.
Förutom diabetes är det allmänt känt att insulinresistens kan leda till hjärt- och kärlsjukdomar, njursjukdomar och leversjukdomar. Insulinresistens är starkt förknippat med fetma, men det har varit svårt att utvärdera insulinresistensen i sig i klinisk miljö. För första gången har forskare, bland annat från Tokyos universitet, tillämpat en maskininlärningsbaserad prediktionsmodell för insulinresistens på en halv miljon deltagare från UK Biobank och visat att insulinresistens är en riskfaktor för 12 typer av cancer.
Forskningen är publicerad i Nature Communications.
Diabetes är en vanlig orsak till oro över hela världen. Dess koppling till insulinresistens är ett välkänt begrepp för många, men vad som är mindre känt är att insulinresistens också anses vara en riskfaktor för flera cancerformer. Människokroppen är dock komplex, och det är långt ifrån enkelt att fastställa orsakssamband mellan sjukdomar och problem i kroppen.
Medicinska forskare utforskar olika sätt att söka efter dessa samband, och ett allt vanligare verktyg i deras arsenal är artificiell intelligens, i synnerhet maskininlärning. Yuta Hiraike, forskare vid Tokyos universitetssjukhus, och hans team har framgångsrikt använt ett maskininlärningsverktyg som de skapat för att bevisa ett samband mellan insulinresistens och flera typer av cancer.
”Vi har nyligen skapat ett verktyg, AI-IR, för att förutsäga insulinresistens hos individer baserat på nio olika medicinska uppgifter. Det visade sig vara framgångsrikt och fick oss att tänka att vi kunde tillämpa detta verktyg på relaterade problem”, säger Hiraike.
” Även om ett möjligt samband mellan insulinresistens och cancer har föreslagits, har omfattande bevis varit begränsade på grund av svårigheten att utvärdera insulinresistens i kliniken. Men med AI-IR har vi tillhandahållit de första bevisen på populationsnivå för att insulinresistens är en riskfaktor för cancer. Eftersom de nio inmatningsparametrarna för AI-IR erhålls genom standardhälsokontroller, kan AI-IR enkelt implementeras för att identifiera högriskindivider och möjliggöra fokuserad screening av diabetes, hjärt-kärlsjukdomar och cancer. ”
För närvarande är det vanligt att body mass index (BMI), ett mått på kroppsfett, används för att förutsäga en individs insulinresistens och därmed benägenhet för relaterade cancerformer. Men detta medför falska positiva resultat, där vissa överviktiga personer anses vara metaboliskt friska och inte drabbas av samma negativa effekter av övervikt som andra, samt falska negativa resultat, där personer med ett idealiskt BMI drabbas av insulinresistens eller relaterade problem som vanligtvis är förknippade med övervikt.
En del av utmaningen för Hiraike och hans team var att övertyga granskarna av artikeln om att AI-IR kunde övervinna dessa brister på ett tillförlitligt och repeterbart sätt. Lyckligtvis kunde de inte bara visa modellens prediktiva förmåga, utan också att den är robust under olika förhållanden.
”Jämfört med direkt uppmätt insulinresistens i valideringsdatasätt uppnådde AI-IR en stark prediktiv prestanda. Direkt mätning av insulinresistens är opraktiskt, förutom när patienter behandlas på specialiserade diabeteskliniker. AI-IR erbjuder ett robust och skalbart alternativ för att utvärdera insulinresistens på populationsnivå”, säger Hiraike.
”Genom att kombinera nio kliniska parametrar till en enda mätvärde kan AI-IR upptäcka insulinresistens som BMI ensamt inte kan förklara. Vi arbetar nu med att förstå hur genetiska skillnader mellan individer påverkar denna risk, och i slutändan att koppla storskaliga humandata till molekylärbiologiska studier för att utveckla bättre strategier för att övervinna insulinresistens.”
Publikationsdetaljer
Maskininlärningsbaserad insulinresistens är en riskfaktor för 12 typer av cancer, Nature Communications (2026). DOI: 10.1038/s41467-026-68355-x
